Descripción
Introducción clara y práctica a la estadística clínica aplicada, pensada para ayudar a los profesionales de la salud a entender, interpretar y valorar críticamente los datos y resultados estadísticos que aparecen en artículos científicos y proyectos de investigación. A través de ejemplos reales y sin utilizar fórmulas matemáticas, los participantes aprenderán a identificar el tipo de datos, seleccionar la prueba estadística adecuada e interpretar correctamente conceptos clave como la normalidad, el p-valor o los errores estadísticos. El curso también incorpora una introducción al uso de la inteligencia artificial (IA) como soporte en el razonamiento clínico-estadístico, con criterios y buenas prácticas.
Acreditación:
Dirigido a
Médicos y profesionales del ámbito de la salud interesados ??en mejorar su comprensión de la estadística aplicada a la investigación clínica, interpretar con mayor seguridad los resultados de los artículos científicos y analizar datos de forma crítica y fundamentada. No se requieren conocimientos previos de estadística.
Objetivos
- Entender la estructura y la lógica de un plan de análisis estadístico en investigación clínica.
- Conocer las principales estadísticas descriptivas univariantes y su aplicación según el tipo de datos.
- Identificar los métodos para contrastar la normalidad y transformar datos cuando sea necesario.
- Reconocer las principales pruebas estadísticas bivariantes, paramétricas y no paramétricas.
- Aprender a seleccionar la prueba estadística adecuada en función de las características de las variables.
- Interpretar correctamente los resultados estadísticos y detectar errores habituales.
- Utilizar herramientas de IA como soporte para identificar variables, pruebas estadísticas e interpretar resultados, con criterio profesional.
Programa
1. Conceptos básicos de estadística clínica
• Tipo de variables y tipos de datos
• Conceptos imprescindibles para entender los datos de un estudio
2. Plan de análisis estadístico
• Estructura y flujo de trabajo
• Errores habituales y cómo evitarlos
3. Estadística descriptiva univariable
• Variables cuantitativas: medidas de tendencia central, dispersión, posición, simetría y cortosis
• Variables cualitativas: tablas de frecuencias
4. Tratamiento de datos problemáticos
• Valores extremos (outliers) y datos carentes (missings)
• Impacto en los resultados y estrategias de gestión
5. Estadística bivariante y contraste de hipótesis
• Normalidad de los datos y transformaciones
• Hipótesis nula, p-valor y errores asociados
• Pruebas de comparación según el tipo de variables
• Guía práctica para elegir la prueba estadística adecuada
6. IA aplicada a la estadística clínica
• Posibilidades y límites de la IA en el análisis estadístico
• Redacción de prontos clínico-estadísticos eficaces
• Interpretación de resultados con soporte de IA y criterio profesional
Docentes
Docentes
Laura Muñoz Ortiz
Bioestadística y formadora, licenciada por la UPC especializada en soporte integral a proyectos de investigación en salud.